SKILLEMALL.ai
GitHub ↗ EN Войти

AA kernel-cute-writing

Пишет и реализует GPU-ядра с использованием NVIDIA CuTe DSL (CUTLASS 4.x Python API) — НЕ для Triton, CUDA C++ или концептуальных объяснений. Активируйте только тогда, когда пользователь хочет написать или реализовать ядро, а не когда задает вопросы о концепциях или макетах CuTe DSL. CuTe DSL использует декораторы cute.jit/cute.kernel и импорты cutlass.cute. Охватывает поэлементные ядра, шаблоны GEMM, редукции, иерархию памяти (глобальная/разделяемая/регистровая/TMA), операции тензорных ядер MMA, программное конвейеризацию и интеграцию с фреймворками.

машинный переводПоказать оригиналСкрыть оригинал«Write and implement GPU kernels using NVIDIA CuTe DSL (CUTLASS 4.x Pyt…»

Write and implement GPU kernels using NVIDIA CuTe DSL (CUTLASS 4.x Python API) — NOT for Triton, CUDA C++, or conceptual explanations. Trigger only when the user wants to write or implement a kernel, not when asking questions about CuTe DSL concepts or layouts. CuTe DSL uses cute.jit/cute.kernel decorators and cutlass.cute imports. Covers element-wise kernels, GEMM patterns, reductions, memory hierarchy (global/shared/register/TMA), MMA tensor core operations, software pipelining, and framework integration.

Разбор skillemall

Скилл обещает писать и запускать GPU-ядра на CuTe DSL из CUTLASS 4.x — Python API для тензорных операций на NVIDIA. Триггер срабатывает только при запросе на реальную реализацию ядра, не на вопросы о концепциях. Охватывает поэлементные операции, GEMM, редукции, иерархию памяти (глобальная, shared, регистры, TMA), MMA с тензорными ядрами, software pipelining и интеграцию.

Файлы в порядке: 20 файлов, 3 скрипта, нет критических ошибок. Оценки хорошие (качество 93, безопасность 98), но процесс выполнения 80 — вероятно, есть узкие места в автоматизации. Две находки средней важности не раскрыты в данных, но блокирующих проблем нет. Поддерживает все крупные платформы.

Ставить стоит, если пишете CUDA-оптимизированный код и готовы к Python API вместо C++. Для простых экспериментов с тензорными операциями подойдёт.

NVIDIA/TensorRT-LLM Agent Skills автор: NVIDIA NOASSERTION 20 файлов · 3 скрипта тело ≈ 4 095 токенов Открыть источникgithub.com↗ проанализирован 5 дн назад

Пишет и реализует GPU-ядра с использованием NVIDIA CuTe DSL (CUTLASS 4.x Python API) — НЕ для Triton, CUDA C++ или концептуальных объяснений. Активируйте…

Как процесс A 80/100 · Дойдёт до конца — трудных мест не видно

ГенераторРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) OpenClaw Goose OpenCode
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
A
80/100
Дойдёт до конца
Инструменты и файлы вес 18
60
Результат и критерий готовности вес 14
60
Входы и предусловия вес 11
70
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 2

    ✓ Критических и высоких находок нет

    Средние и низкие: 2
    • низкая Секреты в коде secret-high-entropy-token references/patterns-memory.md:152
      Строка, похожая на токен (может быть id, хеш или секрет)
      Copy…tOp,  # Global → Shared (multicast)
    • низкая Секреты в коде secret-high-entropy-token references/patterns-memory.md:153
      Строка, похожая на токен (может быть id, хеш или секрет)
      Copy…GOp,     # Shared → Global (with reduction)

    Просканировано файлов: 20. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 80/100

    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 70Стоимость исполнения. Тело инструкции 4095 токенов
    • 85Шаги. Шагов: 68, расплывчатых формулировок: 1
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • -31 из 3 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 512 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 68 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (9 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (16 из 16)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.